首页期刊导航|计算机工程
期刊信息/Journal information
计算机工程
华东计算技术研究所　上海市计算机学会
计算机工程

华东计算技术研究所　上海市计算机学会

游小明

月刊

1000-3428

hdsce@sohu265359.sohuvip.net

021-54972331

200233

上海市桂林路418号

计算机工程/Journal Computer EngineeringCSCD北大核心CSTPCD
查看更多>>本刊是中国电子科技集团公司第三十二研究所（华东计算技术研究所）主办的学术性刊物，是上海市计算机学会会刊。主要特点：以最快的速度、科学求实的精神，精选刊登代表计算机行业前沿科研、技术、工程方面的高、精、尖优秀论文。贯彻党的“双百”方针，繁荣科技创作，促进国内外学术交流，探讨和传播计算机科学的理论和实践，加速和促进我国计算机事业的发展。
正式出版
收录年代

    基于全范围头部姿态估计的教师注意力识别算法

    陈增照王政郑秋雨
    96-103页
    查看更多>>摘要：探究教师注意力对于评估课堂教师行为具有极其重要的研究价值。然而，现有的教师注意力识别算法存在无法应对极端头部姿态角度等问题。为此，提出一种基于6DRepNet360模型的教师注意力状态识别算法，提升极端角度中头部姿态估计算法的准确性。相较于传统的依赖条件判断来分类教师注意力状态的方法，设计一种基于支持向量机(SVM)的教师注意力分类模型，对复杂头部姿态角度进行注意力状态的精准识别。为进一步解决算法稳定性和准确性带来的误差数据，提出基于滑动窗口的数据清洗算法，有效提高整体识别结果的真实性和可靠性。通过在构建的CCNUTeacherState数据集上进行一系列的算法评估，实验结果表明，所提出的教师注意力识别算法在CCNUTeacherState数据集上达到了90。67%的准确率。

    教师注意力全范围角度6DRepNet360模型支持向量机数据清洗技术

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于对比学习和注意力机制的文本分类方法

    钱来赵卫伟
    104-111页
    查看更多>>摘要：文本分类作为自然语言处理领域的基本任务，在信息检索、机器翻译和情感分析等应用中发挥着重要作用。然而大多数深度模型在预测时未充分考虑训练实例的丰富信息，导致学到的文本特征不够全面。为了充分利用训练实例信息，提出一种基于对比学习和注意力机制的文本分类方法。首先，设计一种有监督对比学习训练策略，旨在优化模型对文本向量表征的检索，提高模型在推理过程中检索到的训练实例的质量;然后，构建注意力机制，对获取的训练文本特征进行注意力分布学习，聚焦关联性更强的相邻实例信息，获得更多隐含的相似特征;最后，将注意力机制与模型网络相结合，融合相邻的训练实例信息，增强模型提取多样性特征的能力，实现全局特征和局部特征的提取。实验结果表明，所提方法在卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)、图卷积网络(GCN)、BERT和RoBERTa等多个模型上都取得了显著的性能提升。以CNN模型为例，其在THUCNews数据集、今日头条数据集和搜狗数据集上宏F1值分别提高了4。15、6。2和1。92个百分点。因此，该方法也为文本分类任务提供了一种有效的解决方案。

    文本分类深度模型对比学习近似最近邻算法注意力机制

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    引入知识增强和对比学习的知识图谱补全

    刘娟段友祥陆誉翕张鲁...
    112-122页
    查看更多>>摘要：知识图谱补全是提高知识图谱质量的重要手段，主要分为基于结构和基于描述的方法。基于结构的补全方法对图谱中常见的长尾实体推理性能表现不佳，基于描述的补全方法在描述信息利用和负样本信息学习方面存在不足。针对上述问题，提出基于知识增强的知识图谱补全方法KEKGC。设计一种特定模板，将三元组及其描述信息通过人工定义的模板转换为连贯的自然语言描述语句输入预训练语言模型，增强语言模型对三元组结构知识与描述知识的理解能力。在此基础上，提出一种对比学习框架来提高链接预测任务的效率与准确率，通过建立记忆库存储实体嵌入向量，从中选择正负样本并结合InfoNCE损失进行训练。实验结果显示，相较于MEM-KGC，KEKGC在WN18RR数据集上链接预测任务的平均倒数秩(MRR)提升了5。5，Hits@1、Hits@3、Hits@10指标分别提升了2。8、0。7、4。2个百分点，三元组分类任务准确率达到94。1%，表明所提方法具有更高的预测准确率与更好的泛化能力，尤其对于长尾实体，能够有效提升图谱补全的效果与效率。

    知识图谱预训练语言模型链接预测对比学习实体描述

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    增量式稀疏密度加权孪生支持向量回归机

    丁伟杰顾斌杰潘丰
    123-132页
    查看更多>>摘要：密度加权孪生支持向量回归机(DWTSVR)是一种能够反映数据内在分布的回归算法，具有预测精度高和鲁棒性强等优点，然而其并不适用于训练样本以增量形式提供的场景。针对该问题，提出一种增量式稀疏密度加权孪生支持向量回归机(ISDWTSVR)。首先，辨别新增数据是否为异常样本，并赋予有效样本适当的权重，减小异常样本对模型泛化性能的影响;其次，结合矩阵降维与主成分分析思想筛选出原始核矩阵中的一组特征列向量基代替原特征，实现核矩阵列稀疏化，以获得稀疏解;接着，借助牛顿迭代法和增量学习策略对上一时刻的模型信息进行调整，实现模型的增量更新，同时结合矩阵求逆引理避免增量更新过程中直接求解逆矩阵，进一步加快训练速度;最后，在 UCI基准数据集上进行仿真实验，并与现有代表性算法进行比较。实验结果表明，ISDWTSVR继承了DWTSVR的泛化性能，在大规模数据集Bike-Sharing上，新增一个样本模型更新平均CPU时间为5。13 s，较DWTSVR缩短了97。94%，有效地解决了模型必须从头开始重新训练的问题，适用于大规模数据集的在线学习。

    孪生支持向量回归机增量学习稀疏化密度加权牛顿迭代法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于通道相似度熵的卷积神经网络裁剪

    耿丽丽牛保宁
    133-143页
    查看更多>>摘要：卷积神经网络(CNN)中包含大量滤波器，参数训练以及存储占用大量内存资源。裁剪滤波器是减小网络规模、释放内存、提高计算速度的有效方法。现有滤波器裁剪方法的主要问题是将滤波器权值作为孤立的数值计算，裁剪小权值滤波器，保留权值大的滤波器，忽视了部分小权值滤波器在特征提取过程中的重要性。通过分析滤波器通道之间的相似性，提出一种基于通道相似度的滤波器熵值计算方法(FEC)。针对滤波器结构特征，对权值张量进行均值压缩，并证明其合理性。先计算滤波器通道距离判断通道之间的相似性，再根据通道相似度计算滤波器熵，由熵值大小进行滤波器排序，删除一定比例熵值较小的滤波器。实验设计针对不同卷积层采用不同的裁剪比例，在CIFAR10以及ImageNet标准数据集上对VGG-16和ResNet-34网络进行裁剪。实验结果表明:在基本保持原始准确度的情况下，分别减少了约94%和70%的参数数量;在目标检测网络SSD上参数数量减少了55。72%，平均精度均值(mAP)提高了1。04个百分点。

    卷积神经网络通道相似度熵滤波器裁剪

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于图注意力机制的无地图场景轨迹预测方法

    刘建敏林晖汪晓丁
    144-153页
    查看更多>>摘要：现有的轨迹预测工作大多依赖于高精地图，但高精地图的采集耗时长、成本高、处理复杂，难以快速适应智能交通的大面积普及。为解决无地图场景下车辆轨迹预测问题，提出一种基于多模态数据时空特征的轨迹预测方法。构建多个历史轨迹时空交互图，交叉使用时间和空间注意力并进行深度融合，以建模道路上车辆之间的时空关联性。在此基础上，利用残差网络进行多目标多模态轨迹生成。在真实数据集Argoverse 2上进行模型的训练和测试，实验结果表明，相较于CRAT-Pred方法，该模型在单模态预测方面最小平均位移误差、最小最终位移误差和未命中率指标分别提升了3。86%、3。89%、0。48%，在多模态预测方面各项指标分别提升了0。78%、0。96%、0。42%。该方法能够有效地捕捉车辆移动轨迹的时间和空间特征，并可在自动驾驶等相关领域得到有效应用。

    多模态任务轨迹预测时空特征注意力机制交叉注意力

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    面向大规模优化问题的精英贡献两阶段动态分组算法

    王彬张娇李薇王晓帆...
    154-163页
    查看更多>>摘要：协同进化框架是解决大规模全局优化问题的有效方法，设计合理的决策变量分组方法是提高协同进化算法性能的关键，而利用精英决策变量动态构建精英子组件可以有效提高进化效率，但在进行大规模优化时，其可能将无关的变量分配到同一子组件，从而无法充分利用分组提高协同进化效率。针对该问题，提出一种精英贡献两阶段动态分组算法(EC-TSDG)。在分组前阶段，对变量进行随机分组，评估变量的贡献程度，从众多变量中寻找精英贡献变量;在分组后阶段，利用变量的相关关系寻找与精英决策变量存在相互作用的剩余变量，并将其合并形成精英子组件，使得精英子组件内部的变量两两相关，以此提高变量分组的准确性以及算法的收敛速度，避免子组件之间的相关干扰。最后，采用具有外部存档的自适应差分进化算法作为优化器进化各个子组件。在CEC'2013测试集上与其他先进算法进行比较，实验结果表明，EC-TSDG收敛速度快于对比算法，Friedman检验值为1。43，平均排序较对比的动态分组算法DCC平均提升36。78%。

    协同进化大规模优化问题两阶段动态分组贡献信息精英子组件

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于可控制性度量的图神经网络门级硬件木马检测方法

    张洋刘畅李少青
    164-173页
    查看更多>>摘要：随着全球化的不断深入，第三方知识产权(IP)核应用越来越广泛。随着硬件木马攻击技术逐渐成熟，使得在芯片设计阶段植入硬件木马成为可能。因此，在芯片设计过程中面临IP核被植入木马的严重威胁，现有研究所提的硬件木马检测方法具有依赖黄金参考电路、需要完备的测试向量、大量的样本进行学习等特征。面向IP核的硬件木马检测需求，提出一种基于可控制性度量的图神经网络检测方法。该方法以门级网表作为输入，首先以可控制性值为指导，得到可疑的门节点，用于缩小搜索范围;然后利用可疑门节点生成对应的子图，利用图卷积神经网络从子图中提取特征，实现对子图的分类和检测，最终识别硬件木马。实验结果表明，该方法无须测试激励和黄金模型，利用硬件木马的隐蔽特性与结构特征相结合的方法提升硬件木马的检测准确率，平均真阳率为100%，假阳率为0。75%，在保证较高真阳率的同时可有效降低假阳率，达到较好的检测效果。

    知识产权核硬件木马可控制性度量子图图卷积神经网络

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    分布式可信数据管理与隐私保护技术研究

    郑清安董建成陈亮阮英清...
    174-186页
    查看更多>>摘要：相较于传统的分布式数据库系统，区块链技术在处理记账事务方面展现出更好的分布性、透明性和可信性，且传统中心化数据库系统存在严重的隐私泄露问题。针对传统中心化数据管理机制中存在的信任问题和隐私泄露问题，提出一种支持隐私保护的分布式可信数据管理模型。该模型采用分布式存储、数据隐私保护、访问控制和分布式身份等关键技术来实现数据的可信管理和协同隐私保护。在数据隐私保护方面，基于同态加密和零知识证明算法协议保障用户的数据隐私。在数据访问控制方面，结合链上群组隔离机制和节点存储落盘加密技术实现数据访问控制，将隐私控制回归属主。在用户身份隐私保护方面，利用分布式身份技术将物理身份和可验证凭证进行链下存储，将实体信息最小化或根据需要在受控范围内共享。搭建系统原型并测试系统区块链吞吐量，结果表明，针对get请求，每秒完成的事务数(TPS)达到811。2，set请求的TPS达到225。5，正确率均为100%。系统测试结果验证了该模型在功能性、安全性和可行性方面符合预期，性能较优。

    区块链隐私保护可信数据访问控制分布式身份

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于RS和BCH码的SRAM-PUF密钥提取方法及性能分析

    周昱于宗光
    187-193页
    查看更多>>摘要：物理不可克隆函数(PUF)是芯片制造过程中随机偏差形成的唯一和不可复制的物理指纹，使用这个特征可以鉴别各个芯片，然而PUF芯片因环境变化会影响输出，导致在认证应用时可能失败。介绍了模糊提取器的密钥提取方法，通过在静态随机存取存储器(SRAM)-PUF芯片中加入里德-所罗门(RS)硬解码，在认证系统中加入BCH软解码模块，纠正PUF在一定范围内变化来确保通过认证，并对SRAM-PUF电路在三温下进行实验分析。实验结果表明，SRAM-PUF电路的PUF点分布有较好的均衡性，在常温时可靠性接近100%，在低温条件下可靠性范围为98。84%～100%，在高温条件下，可靠性范围为97。77%～99%，当RS码和BCH码设计的纠错能力大于PUF可靠性时能够通过认证。

    物理不可克隆函数静态随机存取存储器模糊提取器里德-所罗门码BCH码

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据